应急服务响应时间的空间建模
此研究针对加拿大埃德蒙顿市的各类紧急事件,通过数据收集、描述性分析、特征分析与选择以及建立预测模型,以不同时间和空间分辨率预测各类事件的发生概率,并对其与社会经济和人口数据的关联进行分析,结果显示模型在大部分事件类型上表现良好,可用于紧急救援服务部门的资源分配和规划,同时研究还发现 COVID-19 对事件发生和预测模型的精度有显著影响。
Feb, 2024
决策者通常通过报告过程观察事件的发生情况。在城市政府中,例如,依靠居民报告来发现并解决城市基础设施问题,例如树木倒塌、地下室涝水或鼠害问题。在正无标记数据的情况下,没有办法区分已发生但未被报告的事件和真正未发生的事件 - 这是存在基本难题。我们展示了如何充分利用事件的空间相关性来克服这一挑战。我们的框架利用贝叶斯空间潜变量模型推断事件发生的概率,并将其应用于纽约市风暴引发的洪水报告中,进一步汇总多个风暴的结果。我们展示了一个考虑少报告和空间相关性的模型比其他模型更准确地预测未来的报告,并进一步产生了更公平的检查分配:其分配更好地反映了人口情况并为非白人,较低教育水平和低收入居民提供公平的服务。我们的工作为更加公平的积极政府服务奠定了基础,即使报告行为存在差异。
Dec, 2023
本研究提出一种改进的生存分析模型,它在输入特征中包括公共卫生统计数据,通过在美国的癌症发病率数据集中试验表明,包括地理位置的公共卫生数据可以显著提高预测性能。
Apr, 2023
本文提出一种使用期望最大化(EM)算法和空间 Voronoi 镶嵌集进行空间变化参数估计的有效方法,应用于模拟地震空间 - 时间分布,结果发现地震触发效率正相关于地表热流量且大部分是小地震所致所以静态应力变化研究不仅应关注中等到大型地震引起的库仑应力变化,还应考虑更小地震引起的次级静态应力变化。
Jun, 2017
信用风险分析中,通过固定和时变协变量的生存模型广泛用于预测借款人的时间事件。当时变驱动因素是内生的时,联合建模生存时间和内生协变量的演变是最合适的方法,也称为长期和生存数据的联合模型。此研究提出了时空联合模型(STJM),以捕捉空间和时间效应及其相互作用。采用贝叶斯分层联合模型估算同一特定时间段位于同一地区的借款人未观察到异质性的生存效果。为了在大数据集上估算 STJM 模型,我们考虑了集成嵌套 Laplace 逼近(INLA)方法。我们将 STJM 应用于一个由 57,258 名美国抵押借款人构成、包含 250 多万观察值的大数据集,实证结果表明,包括空间效应在内能够稳定地改善联合模型的性能,然而,当我们额外考虑时空交互作用时,收益不太明显。
Nov, 2023
应对紧急响应管理中复杂优化问题,本研究提出了一种基于强化学习的方法,通过引入变换器来处理变维状态和行为,将复杂状态映射到固定维度观测,并应用组合技术将连续行为映射到离散分配,实验证明该方法能够大幅减少决策时间,并稍微降低平均救护车响应时间。
May, 2024